PEMBANGUNAN MODEL PREDIKSI KELULUSAN TEP
Tugas Akhir - 2013
PEMBANGUNAN MODEL PREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA
MENGGUNAKAN NEURO FUZZY
Serli Fatriandini¹, Retno Novi Dayawati², Rita Rismala³
¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Abstrak
Salah satu variabel indikator yang dapat digunakan untuk mengukur performansi studi
mahasiswa adalah informasi mengenai lama studi yang berkaitan erat dengan kelulusan tepat
waktu. Prediksi kelulusan tepat waktu mahasiswa dapat berperan sebagai early warning, baik
bagi dosen wali, ketua program studi maupun mahasiswa yang bersangkutan. Prediksi kelulusan
yang dilakukan tepat setelah menyelesaikan Tahun Pembelajaran Bersama (TPB) akan
berdampak positif dalam proses perbaikan performansi studi mahasiswa dan memperbesar
peluang kelulusan tepat waktu.
Penelitian ini menggunakan model Neuro Fuzzy Classification (NEFCLASS) untuk memprediksi
kelulusan tepat waktu mahasiswa. Hasil prediksi diklasifikasikan ke dalam 2 kelas yaitu kelas
tepat waktu dan kelas tidak tepat waktu. NEFCLASS merupakan salah satu model penggabungan
antara ANN dan fuzzy. NEFCLASS dapat membangun sebuah pemodelan sistem fuzzy yang
memiliki kemampuan belajar sebagaimana kemampuan yang dimiliki oleh ANN. Kemampuan
belajar tersebut digunakan NEFCLASS untuk menemukan fuzzy rules dan fungsi keanggotaan
yang tepat bagi permasalahan yang diberikan. Metode ini memiliki keunggulan ANN dan fuzzy
system secara bersamaan yaitu mampu belajar, dapat beradaptasi, dan mampu mengekstrak
pengetahuan.
Prediktor yang digunakan untuk memprediksi kelulusan tepat waktu mahasiswa pada penelitian
ini adalah IPK TPB, lama masa TPB yang ditempuh, jumlah mata kuliah mengulang, dan jumlah
pengambilan mata kuliah tertentu di masa TPB. Analisis dilakukan terhadap pengaruh prediktor
dan pengaruh parameter learning rate serta epoch terhadap performansi sistem. Hasil yang
diperoleh dari penelitian menunjukkan performansi optimal yang dapat diperoleh adalah sebesar
77.725%.
Kata Kunci : prediksi kelulusan tepat waktu mahasiswa, NEFCLASS.
Abstract
One of the indicator variables that can be used to measure of student performance is the
information about period of studies which is closely related to the graduation. Prediction of study
period can be an early warning both for faculty trustee, chairman of faculty and student.
Prediction of study period which is done after the first year of college has positive impact for
student performance , it can increase the chance for student to graduate ontime.
This research use the Neuro Fuzzy Classification (NEFCLASS) model to predict the study period of
students. The prediction result is clasified into two classes, ontime class and not ontime class.
NEFCLASS is the combination model of ANN and fuzzy. It can build a fuzzy system model that can
be able to learn as same as ANN to find fuzzy rules and appropriate membership functions for the
problems. It has the capabilities both of ANN and fuzzy system which are able to learn, adaptable,
and able to extract knowledge.
Predictors are used to predict the study period of student are GPA of TPB, period of TPB, the total
number of repeated courses, and the number of particular repeated courses in the period of TPB.
Analyzes were performed on the influence of predictors, learning rate and the epoch of the system
performance. The results showed that optimal performance that can be obtained is 77.725%.
Keywords : predict study period of student, NEFCLASS
Fakultas Teknik Informatika
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Informatika
Tugas Akhir - 2013
1. PENDAHULUAN
1. 1
Latar Belakang
Semakin ketatnya persaingan dalam mendapatkan lapangan
pekerjaan menuntut perguruan tinggi menghasilkan sarjana yang
berkualitas dan berdaya saing[3]. Oleh sebab itu, dalam manajemen
pendidikannya, setiap perguruan tinggi selalu melakukan evaluasi[3], baik
terhadap performansi studi mahasiswa maupun performansi proses
penyelenggaraan pendidikan. Hasil evaluasi tersebut akan menjadi acuan
bagi perguruan tinggi untuk memperbaiki dan meningkatkan efisiensi
proses pendidikan yang akan berdampak terhadap meningkatnya kualitas
lulusan.
Dalam mengevaluasi performansi studi mahasiswa, salah satu
variabel indikator yang dapat digunakan adalah informasi mengenai lama
studi [3] yang berkaitan erat dengan kelulusan tepat waktu mahasiswa.
Prediksi kelulusan tepat waktu dapat berperan sebagai early warning bagi
pihak terkait, seperti dosen wali atau ketua program studi, terhadap kondisi
performansi studi mahasiswa. Selanjutnya, hasil prediksi secara
keseluruahan dapat digunakan sebagai acuan dalam mengevaluasi proses
pendidikan, kurikulum, dan hal lain yang berkaitan dengan
penyelenggaraan pendidikan.
Prediksi kelulusan mahasiswa yang dilakukan secara dini, tepat
setelah menyelesaikan masa Tahun Pembelajaran Bersama (TPB) akan
sangat berguna dalam proses perbaikan performansi studi karena masa
yang diperoleh untuk melakukan perbaikan semakin besar sehingga
peluang untuk lulus tepat waktu pun akan semakin besar.
Meinanda dkk (2009) telah melakukan penelitian penggunaan
Artificial Neural Network (ANN) untuk memprediksi masa studi
mahasiswa. Variabel prediktor yang digunakan pada penelitian tersebut
adalah IPK, jumlah mata kuliah yang diambil, jumlah mata kuliah
mengulang, dan jumlah pengambilan mata kuliah tertentu. Data yang
menjadi bahan penelitian diperoleh dari data hipotetik dalam kontes Data
Mining, Pagelaran Mahasiswa Nasional Bidang Teknologi Informasi dan
Komunikasi (Gemastik) 2009. Hasil penelitian terhadap data tersebut
membuktikan bahwa variabel prediktor yang diteliti berpengaruh terhadap
masa studi dan model ANN yang digunakan dapat memprediksi lama
masa studi mahasiswa dengan tingkat kepercayaan 95%[3].
Sementara itu, di lingkungan Fakultas Teknik Universitas Telkom,
Adha (2011) telah berhasil meneliti penggunaan Evolving Fuzzy untuk
memprediksi potensi drop out mahasiswa menggunakan prediktor uji
berupa IPK dan nilai Tes Potensi Akademik (TPA). Hasil yang diperoleh
menunjukkan bahwa variabel IPK dan TPA memiliki pengaruh terhadap
potensi drop out dengan akurasi sistem yang dibangun mencapai 98%[9].
Mengacu pada penelitian yang telah dilakukan tersebut, penulis
melihat adanya kesempatan penelitian terhadap pengaruh variabel IPK,
lama masa TPB yang ditempuh, jumlah mata kuliah mengulang, dan
1
Fakultas Teknik Informatika
Program Studi S1 Teknik Informatika
Tugas Akhir - 2013
jumlah pengambilan mata kuliah tertentu di masa TPB terhadap kelulusan
tepat waktu mahasiswa menggunakan salah satu metode Neuro Fuzzy.
Penelitian dalam kasus ini khususnya di lingkungan Fakultas Teknik
Universitas Telkom, belum pernah dilakukan sebelumnya.
Neuro Fuzzy merupakan metode yang menggabungkan kelebihankelebihan yang dimiliki oleh sistem fuzzy dan Artificial Neural Network
(ANN). Sebagaimana diketahui bahwa sistem fuzzy memiliki kemampuan
untuk menyelesaikan permasalahan yang bersifat samar yang sering
dijumpai pada permasalahan di dunia nyata, akan tetapi dalam
memecahkan masalah, sistem ini membutuhkan knowledge base berupa
rules dan fungsi keanggotaan yang tepat yang diperoleh dari seorang
pakar. Jika knowledge base tersebut tidak diketahui maka sistem fuzzy
dapat membangunnya dengan berkolaborasi menggunakan sistem lain,
misalnya ANN. Model hasil kolaborasi kedua sistem ini kemudian disebut
sebagai Neuro Fuzzy. Neuro Fuzzy dapat membangun sebuah pemodelan
sistem fuzzy yang memiliki kemampuan belajar sebagaimana kemampuan
yang dimiliki oleh ANN untuk menemukan rules dan fungsi keanggotaan
yang tepat bagi permasalahan yang diberikan[3]. Salah satu model Neuro
Fuzzy yang digunakan dalam Tugas Akhir ini adalah Neuro-Fuzzy
Classification (NEFCLASS).
NEFCLASS telah banyak digunakan sebelumnya pada penelitianpenelitian dalam bidang klasifikasi. Dalam Tugas Akhir ini, NEFCLASS
digunakan sebagai model yang akan membangun rules dan fungsi
keanggotaan optimum untuk memprediksi kelulusan tepat waktu
mahasiswa. Kelulusan mahasiswa pada kasus ini diklasifikasikan ke dalam
2 kelas yaitu kelas tepat waktu dan tidak tepat waktu.
1. 2
Perumusan Masalah
Masalah-masalah yang diteliti dalam Tugas Akhir ini adalah
1. perancangan model NEFCLASS untuk memprediksi kelulusan tepat
waktu mahasiswa Fakultas Teknik Universitas Telkom,
2. penentuan parameter yang tepat bagi model NEFCLASS yang akan
dibangun,
3. analisis variabel prediktor yang paling berpengaruh terhadap kelulusan
tepat waktu mahasiswa serta analisis pengaruh parameter, dan
4. analisis performansi penggunaan model NEFCLASS untuk kasus
prediksi kelulusan tepat waktu mahasiswa
Selain itu, batasan yang penulis buat untuk masalah ini adalah
model yang dibangun berlaku untuk Program Studi S1 Teknik
Informatika, Fakultas Teknik Universitas Telkom dan data training yang
digunakan diperoleh dari data akademik mahasiswa Program Studi S1
Teknik Informatika angkatan 2005, 2006, 2007, dan 2008.
2
Fakultas Teknik Informatika
Program Studi S1 Teknik Informatika
Tugas Akhir - 2013
1. 3
Tujuan
Berdasarkan perumusan masalah di atas, maka tujuan dari
penelitian Tugas Akhir ini adalah :
1. membangun sebuah model berbasis NEFCLASS untuk memprediksi
kelulusan tepat waktu mahasiswa Fakultas Teknik Universitas Telkom
dan menemukan parameter yang tepat untuk kasus tersebut,
2. menganalisis pengaruh variabel prediktor yang digunakan terhadap
kelulusan tepat waktu mahasiswa serta pengaruh parameter model
yang dibangun, dan
3. menganalisis performansi model NEFCLASS dalam memecahkan
masalah prediksi kelulusan tepat waktu mahasiswa.
1. 4
Hipotesa
Dengan kelebihan yang dimilikinya, model NEFCLASS yang
dibangun dapat memecahkan permasalahan prediksi kelulusan tepat waktu
mahasiswa. Kemampuan belajar yang dimiliki NEFCLASS membantu
menemukan rules dan fungsi keanggotaan yang tepat bagi kasus tersebut.
Performansi sistem yang dibangun akan sangat bergantung pada kualitas
dan kuantitas data yang digunakan karena NEFCLASS membentuk
knowledge base dengan cara mempelajari pola data yang ada. Dengan
menggunakan pola data yang cukup banyak yaitu data akademik
mahasiswa Program Studi S1 Teknik Informatika angkatan 2005, 2006,
2007, dan 2008 yang berjumlah 1056 baris data maka dapat dihasilkan
performansi sistem yang cukup baik. Selain itu, dengan mengacu pada
hasil penelitian sebelumnya, prediktor yang diujikan dalam Tugas Akhir
ini berpengaruh terhadap kelulusan tepat waktu mahasiswa.
1. 5
Metodologi Penyelesaian Masalah
Dalam penelitian Tugas Akhir ini,
metodologi yang digunakan
yaitu :
1. Studi literatur
Studi literatur dilakukan dengan mengumpulkan berbagai referensi
untuk memahami permasalahan yang diteliti dan model NEFCLASS
yang digunakan. Referensi diperoleh dari jurnal, buku, Tugas Akhir,
Proyek Akhir, dan website, serta konsultasi kepada beberapa pihak
yang memiliki kompetensi terkait bidang tersebut.
2. Pengumpulan dan perancangan sistem
Proses pengumpulan data dilakukan untuk memperoleh data KHS
mahasiswa Program Studi S1 Teknik Informatika Fakultas Teknik
Universitas Telkom angkatan 2005 hingga angkatan 2008. Data
tersebut diperoleh dari SISFO Universitas Telkom. Perancangan sistem
akan dibuat dengan menganalisis terlebih dahulu kebutuhan-kebutuhan
sistem. Hal-hal yang perlu dirancang modelnya adalah model data dan
model NEFCLASS yang akan membangun sistem.
3
Fakultas Teknik Informatika
Program Studi S1 Teknik Informatika
Tugas Akhir - 2013
3. Implementasi sistem
Model yang telah dirancang akan diimplementasikan dengan
melakukan pemrograman menggunakan MATLAB. Pengujian
dilakukan menggunakan data testing dan selanjutnya akan dilakukan
analisis terhadap performansi model yag dibangun.
4. Pembuatan Laporan
Semua proses pengerjaan Tugas Akhir ini akan dituangkan dalam
laporan Tugas Akhir.
1. 6
Sistematika Penulisan
Sistematika penulisan Tugas Akhir ini adalah sebagai berikut :
1. Bab I
: Pendahuluan
Bab ini berisi latar belakang masalah, perumusan masalah dan batasan
masalah yang akan dibahas, tujuan yang akan dicapai, hipotesa,
metodologi penyelesaian masalah, serta sistematika penulisan.
2. Bab II
: Tinjauan Pustaka
Bab II berisi dasar teori yang digunakan dalam membangun sistem.
3. Bab III
: Perancangan Sistem
Pada bab ini dilakukan perancangan sistem berupa perancangan model
data dan perancangan model NEFCLASS yang digunakan dalam
menyelesaikan masalah.
4. Bab IV
:
Pada bab Pengujian dan Analisis Sistem dijelaskan mengenai
pengujian yang dilakukan terhadap sistem dan analisis terhadap hasil
pengujian tersebut.
5. Bab V
: Kesimpulan dan Saran
Bab ini berisi kesimpulan dan saran dari penulis yang dibutuhkan
untuk pengembangan model yang telah dibangun.
4
Fakultas Teknik Informatika
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Informatika
Tugas Akhir - 2013
5. KESIMPULAN DAN SARAN
5. 1 Kesimpulan
Berdasarkan analisis terhadap hasil pengujian sistem maka penulis
memperoleh bebrapa kesimpulan berikut :
1. NEFCLASS cukup baik diimplementasikan untuk memprediksi
kelulusan mahasiswa tidak tepat waktu. Hal ini dapat dilihat dari
akurasi sistem yang dihasilkan yaitu sebesar 77.725%.
2. Learning rate (LR) dan epoch dalam kasus ini memiliki pengaruh,
hanya saja pengaruhnya tidak besar. Nilai optimum dapat diperoleh
dari epoch=100 dan learning rate=[0.025 0.45], epoch yang lebih kecil
dapat menghemat komputasi.
3. Semua faktor kelulusan yang diujikan, masa TPB, IPK, jumlah
mengulang, kalkulus 2, aljabar, fisika, kalkulus 1, dan prokom
terbukti memiliki pengaruh bagi kelulusan tepat waktu mahasiswa.
4. Secara keseluruhan, hasil penelitian dalam Tugas Akhir ini
menunjukkan bahwa performansi akademik mahasiswa Fakultas
Teknik Universitas Telkom di masa TPB tidak begitu mempengaruhi
kelulusan tepat waktu mahasiswa tersebut.
5. 2
Saran
Untuk pengembangan penelitian pada kasus ini, penulis
menyarankan point-point sebagai berikut :
1. Memperbanyak data input dengan pola yang lebih beragam untuk
meningkatkan kualitas rules yang dihasilkan.
2. Pengembangan penelitian yang berfokus pada berapa lama masa studi
yang ditempuh mahasiswa, tidak hanya diklasifikasikan ke dalam kelas
tepat dan tidak tepat waktu.
42
Fakultas Teknik Informatika
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Informatika
Tugas Akhir - 2013
DAFTAR PUSTAKA
[1] Suyanto. Artificial Intelligence. Bandung: Informatika, 2008.
[2] Suyanto. Soft Computing. Bandung: Informatika, 2008.
[3] Meinanda, Muhammad Hanief dkk.2009.”Prediksi Masa Studi Sarjana dengan
Artificial Neural Network”.Indonesia.Institut Teknologi Bandung.
[4] Kusumadewi, Sri dan Sri Hartati. Neuro-Fuzzy Integrasi Sistem Fuzzy dan
Jaringan Syaraf. Yogyakarta: Graha Ilmu, 2010.
[5] Nauck, Detlef and Rudolf Kruse.”Nefclass-A Neuro Fuzzy Approach for The
Classification of Data”.Technical University of Braunschweig, Dept. of
Computer Science.
[6] Gliwa, Bogdan dan Aleksander Byrski 2011.” Hybrid Neuro-Fuzzy Classifier
Based on Nefclass Model”.Poland.AGH University.
[7] Anggario, Alfin.Tugas Akhir: Klasifikasi Genre Musik menggunakan Metode
Neuro Fuzzy Classification.Bandung: IT Telkom, 2012.
[8] Rintris Primasari, Eliana. Tugas Akhir: Penjurusan Siswa SMU dengan Neuro
Fuzzy System For Function Approximation (NEFCLASS). Bandung: IT Telkom,
2010.
[9] Adha, Rahmadil. Tugas Akhir: Penggunaan Algoritma Genetika dan Sistem
Fuzzy untuk Prediksi Potensi Drop Out Mahasiswa IT Telkom. Bandung: IT
Telkom, 2011.
[10] Dianingtyas, Desiyana. Tugas Akhir: Penentuan Mahasiswa Penerima
Beasiswa di STT Telkom dengan Menggunakan Neurofuzzy Determining Students
Who Receive Scholarship in STT Telkom Using Neurofuzzy. Bandung: It Telkom,
2008.
[11] Nasir, Putra. Tugas Akhir : Optimasi Sistem Fuzzy dengan Algoritma
Genetika untuk Mendukung Pengambilan Keputusan Pemilihan KBK. Bandung:
IT Telkom, 2010.
43
Fakultas Teknik Informatika
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Informatika
PEMBANGUNAN MODEL PREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA
MENGGUNAKAN NEURO FUZZY
Serli Fatriandini¹, Retno Novi Dayawati², Rita Rismala³
¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Abstrak
Salah satu variabel indikator yang dapat digunakan untuk mengukur performansi studi
mahasiswa adalah informasi mengenai lama studi yang berkaitan erat dengan kelulusan tepat
waktu. Prediksi kelulusan tepat waktu mahasiswa dapat berperan sebagai early warning, baik
bagi dosen wali, ketua program studi maupun mahasiswa yang bersangkutan. Prediksi kelulusan
yang dilakukan tepat setelah menyelesaikan Tahun Pembelajaran Bersama (TPB) akan
berdampak positif dalam proses perbaikan performansi studi mahasiswa dan memperbesar
peluang kelulusan tepat waktu.
Penelitian ini menggunakan model Neuro Fuzzy Classification (NEFCLASS) untuk memprediksi
kelulusan tepat waktu mahasiswa. Hasil prediksi diklasifikasikan ke dalam 2 kelas yaitu kelas
tepat waktu dan kelas tidak tepat waktu. NEFCLASS merupakan salah satu model penggabungan
antara ANN dan fuzzy. NEFCLASS dapat membangun sebuah pemodelan sistem fuzzy yang
memiliki kemampuan belajar sebagaimana kemampuan yang dimiliki oleh ANN. Kemampuan
belajar tersebut digunakan NEFCLASS untuk menemukan fuzzy rules dan fungsi keanggotaan
yang tepat bagi permasalahan yang diberikan. Metode ini memiliki keunggulan ANN dan fuzzy
system secara bersamaan yaitu mampu belajar, dapat beradaptasi, dan mampu mengekstrak
pengetahuan.
Prediktor yang digunakan untuk memprediksi kelulusan tepat waktu mahasiswa pada penelitian
ini adalah IPK TPB, lama masa TPB yang ditempuh, jumlah mata kuliah mengulang, dan jumlah
pengambilan mata kuliah tertentu di masa TPB. Analisis dilakukan terhadap pengaruh prediktor
dan pengaruh parameter learning rate serta epoch terhadap performansi sistem. Hasil yang
diperoleh dari penelitian menunjukkan performansi optimal yang dapat diperoleh adalah sebesar
77.725%.
Kata Kunci : prediksi kelulusan tepat waktu mahasiswa, NEFCLASS.
Abstract
One of the indicator variables that can be used to measure of student performance is the
information about period of studies which is closely related to the graduation. Prediction of study
period can be an early warning both for faculty trustee, chairman of faculty and student.
Prediction of study period which is done after the first year of college has positive impact for
student performance , it can increase the chance for student to graduate ontime.
This research use the Neuro Fuzzy Classification (NEFCLASS) model to predict the study period of
students. The prediction result is clasified into two classes, ontime class and not ontime class.
NEFCLASS is the combination model of ANN and fuzzy. It can build a fuzzy system model that can
be able to learn as same as ANN to find fuzzy rules and appropriate membership functions for the
problems. It has the capabilities both of ANN and fuzzy system which are able to learn, adaptable,
and able to extract knowledge.
Predictors are used to predict the study period of student are GPA of TPB, period of TPB, the total
number of repeated courses, and the number of particular repeated courses in the period of TPB.
Analyzes were performed on the influence of predictors, learning rate and the epoch of the system
performance. The results showed that optimal performance that can be obtained is 77.725%.
Keywords : predict study period of student, NEFCLASS
Fakultas Teknik Informatika
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Informatika
Tugas Akhir - 2013
1. PENDAHULUAN
1. 1
Latar Belakang
Semakin ketatnya persaingan dalam mendapatkan lapangan
pekerjaan menuntut perguruan tinggi menghasilkan sarjana yang
berkualitas dan berdaya saing[3]. Oleh sebab itu, dalam manajemen
pendidikannya, setiap perguruan tinggi selalu melakukan evaluasi[3], baik
terhadap performansi studi mahasiswa maupun performansi proses
penyelenggaraan pendidikan. Hasil evaluasi tersebut akan menjadi acuan
bagi perguruan tinggi untuk memperbaiki dan meningkatkan efisiensi
proses pendidikan yang akan berdampak terhadap meningkatnya kualitas
lulusan.
Dalam mengevaluasi performansi studi mahasiswa, salah satu
variabel indikator yang dapat digunakan adalah informasi mengenai lama
studi [3] yang berkaitan erat dengan kelulusan tepat waktu mahasiswa.
Prediksi kelulusan tepat waktu dapat berperan sebagai early warning bagi
pihak terkait, seperti dosen wali atau ketua program studi, terhadap kondisi
performansi studi mahasiswa. Selanjutnya, hasil prediksi secara
keseluruahan dapat digunakan sebagai acuan dalam mengevaluasi proses
pendidikan, kurikulum, dan hal lain yang berkaitan dengan
penyelenggaraan pendidikan.
Prediksi kelulusan mahasiswa yang dilakukan secara dini, tepat
setelah menyelesaikan masa Tahun Pembelajaran Bersama (TPB) akan
sangat berguna dalam proses perbaikan performansi studi karena masa
yang diperoleh untuk melakukan perbaikan semakin besar sehingga
peluang untuk lulus tepat waktu pun akan semakin besar.
Meinanda dkk (2009) telah melakukan penelitian penggunaan
Artificial Neural Network (ANN) untuk memprediksi masa studi
mahasiswa. Variabel prediktor yang digunakan pada penelitian tersebut
adalah IPK, jumlah mata kuliah yang diambil, jumlah mata kuliah
mengulang, dan jumlah pengambilan mata kuliah tertentu. Data yang
menjadi bahan penelitian diperoleh dari data hipotetik dalam kontes Data
Mining, Pagelaran Mahasiswa Nasional Bidang Teknologi Informasi dan
Komunikasi (Gemastik) 2009. Hasil penelitian terhadap data tersebut
membuktikan bahwa variabel prediktor yang diteliti berpengaruh terhadap
masa studi dan model ANN yang digunakan dapat memprediksi lama
masa studi mahasiswa dengan tingkat kepercayaan 95%[3].
Sementara itu, di lingkungan Fakultas Teknik Universitas Telkom,
Adha (2011) telah berhasil meneliti penggunaan Evolving Fuzzy untuk
memprediksi potensi drop out mahasiswa menggunakan prediktor uji
berupa IPK dan nilai Tes Potensi Akademik (TPA). Hasil yang diperoleh
menunjukkan bahwa variabel IPK dan TPA memiliki pengaruh terhadap
potensi drop out dengan akurasi sistem yang dibangun mencapai 98%[9].
Mengacu pada penelitian yang telah dilakukan tersebut, penulis
melihat adanya kesempatan penelitian terhadap pengaruh variabel IPK,
lama masa TPB yang ditempuh, jumlah mata kuliah mengulang, dan
1
Fakultas Teknik Informatika
Program Studi S1 Teknik Informatika
Tugas Akhir - 2013
jumlah pengambilan mata kuliah tertentu di masa TPB terhadap kelulusan
tepat waktu mahasiswa menggunakan salah satu metode Neuro Fuzzy.
Penelitian dalam kasus ini khususnya di lingkungan Fakultas Teknik
Universitas Telkom, belum pernah dilakukan sebelumnya.
Neuro Fuzzy merupakan metode yang menggabungkan kelebihankelebihan yang dimiliki oleh sistem fuzzy dan Artificial Neural Network
(ANN). Sebagaimana diketahui bahwa sistem fuzzy memiliki kemampuan
untuk menyelesaikan permasalahan yang bersifat samar yang sering
dijumpai pada permasalahan di dunia nyata, akan tetapi dalam
memecahkan masalah, sistem ini membutuhkan knowledge base berupa
rules dan fungsi keanggotaan yang tepat yang diperoleh dari seorang
pakar. Jika knowledge base tersebut tidak diketahui maka sistem fuzzy
dapat membangunnya dengan berkolaborasi menggunakan sistem lain,
misalnya ANN. Model hasil kolaborasi kedua sistem ini kemudian disebut
sebagai Neuro Fuzzy. Neuro Fuzzy dapat membangun sebuah pemodelan
sistem fuzzy yang memiliki kemampuan belajar sebagaimana kemampuan
yang dimiliki oleh ANN untuk menemukan rules dan fungsi keanggotaan
yang tepat bagi permasalahan yang diberikan[3]. Salah satu model Neuro
Fuzzy yang digunakan dalam Tugas Akhir ini adalah Neuro-Fuzzy
Classification (NEFCLASS).
NEFCLASS telah banyak digunakan sebelumnya pada penelitianpenelitian dalam bidang klasifikasi. Dalam Tugas Akhir ini, NEFCLASS
digunakan sebagai model yang akan membangun rules dan fungsi
keanggotaan optimum untuk memprediksi kelulusan tepat waktu
mahasiswa. Kelulusan mahasiswa pada kasus ini diklasifikasikan ke dalam
2 kelas yaitu kelas tepat waktu dan tidak tepat waktu.
1. 2
Perumusan Masalah
Masalah-masalah yang diteliti dalam Tugas Akhir ini adalah
1. perancangan model NEFCLASS untuk memprediksi kelulusan tepat
waktu mahasiswa Fakultas Teknik Universitas Telkom,
2. penentuan parameter yang tepat bagi model NEFCLASS yang akan
dibangun,
3. analisis variabel prediktor yang paling berpengaruh terhadap kelulusan
tepat waktu mahasiswa serta analisis pengaruh parameter, dan
4. analisis performansi penggunaan model NEFCLASS untuk kasus
prediksi kelulusan tepat waktu mahasiswa
Selain itu, batasan yang penulis buat untuk masalah ini adalah
model yang dibangun berlaku untuk Program Studi S1 Teknik
Informatika, Fakultas Teknik Universitas Telkom dan data training yang
digunakan diperoleh dari data akademik mahasiswa Program Studi S1
Teknik Informatika angkatan 2005, 2006, 2007, dan 2008.
2
Fakultas Teknik Informatika
Program Studi S1 Teknik Informatika
Tugas Akhir - 2013
1. 3
Tujuan
Berdasarkan perumusan masalah di atas, maka tujuan dari
penelitian Tugas Akhir ini adalah :
1. membangun sebuah model berbasis NEFCLASS untuk memprediksi
kelulusan tepat waktu mahasiswa Fakultas Teknik Universitas Telkom
dan menemukan parameter yang tepat untuk kasus tersebut,
2. menganalisis pengaruh variabel prediktor yang digunakan terhadap
kelulusan tepat waktu mahasiswa serta pengaruh parameter model
yang dibangun, dan
3. menganalisis performansi model NEFCLASS dalam memecahkan
masalah prediksi kelulusan tepat waktu mahasiswa.
1. 4
Hipotesa
Dengan kelebihan yang dimilikinya, model NEFCLASS yang
dibangun dapat memecahkan permasalahan prediksi kelulusan tepat waktu
mahasiswa. Kemampuan belajar yang dimiliki NEFCLASS membantu
menemukan rules dan fungsi keanggotaan yang tepat bagi kasus tersebut.
Performansi sistem yang dibangun akan sangat bergantung pada kualitas
dan kuantitas data yang digunakan karena NEFCLASS membentuk
knowledge base dengan cara mempelajari pola data yang ada. Dengan
menggunakan pola data yang cukup banyak yaitu data akademik
mahasiswa Program Studi S1 Teknik Informatika angkatan 2005, 2006,
2007, dan 2008 yang berjumlah 1056 baris data maka dapat dihasilkan
performansi sistem yang cukup baik. Selain itu, dengan mengacu pada
hasil penelitian sebelumnya, prediktor yang diujikan dalam Tugas Akhir
ini berpengaruh terhadap kelulusan tepat waktu mahasiswa.
1. 5
Metodologi Penyelesaian Masalah
Dalam penelitian Tugas Akhir ini,
metodologi yang digunakan
yaitu :
1. Studi literatur
Studi literatur dilakukan dengan mengumpulkan berbagai referensi
untuk memahami permasalahan yang diteliti dan model NEFCLASS
yang digunakan. Referensi diperoleh dari jurnal, buku, Tugas Akhir,
Proyek Akhir, dan website, serta konsultasi kepada beberapa pihak
yang memiliki kompetensi terkait bidang tersebut.
2. Pengumpulan dan perancangan sistem
Proses pengumpulan data dilakukan untuk memperoleh data KHS
mahasiswa Program Studi S1 Teknik Informatika Fakultas Teknik
Universitas Telkom angkatan 2005 hingga angkatan 2008. Data
tersebut diperoleh dari SISFO Universitas Telkom. Perancangan sistem
akan dibuat dengan menganalisis terlebih dahulu kebutuhan-kebutuhan
sistem. Hal-hal yang perlu dirancang modelnya adalah model data dan
model NEFCLASS yang akan membangun sistem.
3
Fakultas Teknik Informatika
Program Studi S1 Teknik Informatika
Tugas Akhir - 2013
3. Implementasi sistem
Model yang telah dirancang akan diimplementasikan dengan
melakukan pemrograman menggunakan MATLAB. Pengujian
dilakukan menggunakan data testing dan selanjutnya akan dilakukan
analisis terhadap performansi model yag dibangun.
4. Pembuatan Laporan
Semua proses pengerjaan Tugas Akhir ini akan dituangkan dalam
laporan Tugas Akhir.
1. 6
Sistematika Penulisan
Sistematika penulisan Tugas Akhir ini adalah sebagai berikut :
1. Bab I
: Pendahuluan
Bab ini berisi latar belakang masalah, perumusan masalah dan batasan
masalah yang akan dibahas, tujuan yang akan dicapai, hipotesa,
metodologi penyelesaian masalah, serta sistematika penulisan.
2. Bab II
: Tinjauan Pustaka
Bab II berisi dasar teori yang digunakan dalam membangun sistem.
3. Bab III
: Perancangan Sistem
Pada bab ini dilakukan perancangan sistem berupa perancangan model
data dan perancangan model NEFCLASS yang digunakan dalam
menyelesaikan masalah.
4. Bab IV
:
Pada bab Pengujian dan Analisis Sistem dijelaskan mengenai
pengujian yang dilakukan terhadap sistem dan analisis terhadap hasil
pengujian tersebut.
5. Bab V
: Kesimpulan dan Saran
Bab ini berisi kesimpulan dan saran dari penulis yang dibutuhkan
untuk pengembangan model yang telah dibangun.
4
Fakultas Teknik Informatika
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Informatika
Tugas Akhir - 2013
5. KESIMPULAN DAN SARAN
5. 1 Kesimpulan
Berdasarkan analisis terhadap hasil pengujian sistem maka penulis
memperoleh bebrapa kesimpulan berikut :
1. NEFCLASS cukup baik diimplementasikan untuk memprediksi
kelulusan mahasiswa tidak tepat waktu. Hal ini dapat dilihat dari
akurasi sistem yang dihasilkan yaitu sebesar 77.725%.
2. Learning rate (LR) dan epoch dalam kasus ini memiliki pengaruh,
hanya saja pengaruhnya tidak besar. Nilai optimum dapat diperoleh
dari epoch=100 dan learning rate=[0.025 0.45], epoch yang lebih kecil
dapat menghemat komputasi.
3. Semua faktor kelulusan yang diujikan, masa TPB, IPK, jumlah
mengulang, kalkulus 2, aljabar, fisika, kalkulus 1, dan prokom
terbukti memiliki pengaruh bagi kelulusan tepat waktu mahasiswa.
4. Secara keseluruhan, hasil penelitian dalam Tugas Akhir ini
menunjukkan bahwa performansi akademik mahasiswa Fakultas
Teknik Universitas Telkom di masa TPB tidak begitu mempengaruhi
kelulusan tepat waktu mahasiswa tersebut.
5. 2
Saran
Untuk pengembangan penelitian pada kasus ini, penulis
menyarankan point-point sebagai berikut :
1. Memperbanyak data input dengan pola yang lebih beragam untuk
meningkatkan kualitas rules yang dihasilkan.
2. Pengembangan penelitian yang berfokus pada berapa lama masa studi
yang ditempuh mahasiswa, tidak hanya diklasifikasikan ke dalam kelas
tepat dan tidak tepat waktu.
42
Fakultas Teknik Informatika
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Informatika
Tugas Akhir - 2013
DAFTAR PUSTAKA
[1] Suyanto. Artificial Intelligence. Bandung: Informatika, 2008.
[2] Suyanto. Soft Computing. Bandung: Informatika, 2008.
[3] Meinanda, Muhammad Hanief dkk.2009.”Prediksi Masa Studi Sarjana dengan
Artificial Neural Network”.Indonesia.Institut Teknologi Bandung.
[4] Kusumadewi, Sri dan Sri Hartati. Neuro-Fuzzy Integrasi Sistem Fuzzy dan
Jaringan Syaraf. Yogyakarta: Graha Ilmu, 2010.
[5] Nauck, Detlef and Rudolf Kruse.”Nefclass-A Neuro Fuzzy Approach for The
Classification of Data”.Technical University of Braunschweig, Dept. of
Computer Science.
[6] Gliwa, Bogdan dan Aleksander Byrski 2011.” Hybrid Neuro-Fuzzy Classifier
Based on Nefclass Model”.Poland.AGH University.
[7] Anggario, Alfin.Tugas Akhir: Klasifikasi Genre Musik menggunakan Metode
Neuro Fuzzy Classification.Bandung: IT Telkom, 2012.
[8] Rintris Primasari, Eliana. Tugas Akhir: Penjurusan Siswa SMU dengan Neuro
Fuzzy System For Function Approximation (NEFCLASS). Bandung: IT Telkom,
2010.
[9] Adha, Rahmadil. Tugas Akhir: Penggunaan Algoritma Genetika dan Sistem
Fuzzy untuk Prediksi Potensi Drop Out Mahasiswa IT Telkom. Bandung: IT
Telkom, 2011.
[10] Dianingtyas, Desiyana. Tugas Akhir: Penentuan Mahasiswa Penerima
Beasiswa di STT Telkom dengan Menggunakan Neurofuzzy Determining Students
Who Receive Scholarship in STT Telkom Using Neurofuzzy. Bandung: It Telkom,
2008.
[11] Nasir, Putra. Tugas Akhir : Optimasi Sistem Fuzzy dengan Algoritma
Genetika untuk Mendukung Pengambilan Keputusan Pemilihan KBK. Bandung:
IT Telkom, 2010.
43
Fakultas Teknik Informatika
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Informatika